BÀI SOẠN VỀ SIÊU ÂM CHẨN ĐOÁN: ULTRASOUND RADIOMICS

From Gemini AI

Ultrasound radiomics [siêu âm trích xuất dữ liệu định lượng] sử dụng trí tuệ nhân tạo (AI) và phân tích hình ảnh để trích xuất một lượng lớn đặc trưng định lượng từ ảnh siêu âm. Những đặc trưng này phản ánh các đặc điểm của mô mà mắt người khó hoặc không thể nhận ra.

Quy trình điển hình gồm:

Thu nhận ảnh siêu âm với chất lượng phù hợp.
Xác định vùng quan tâm (ROI), chẳng hạn như trong một khối u hoặc cơ quan.
Trích xuất đặc trưng (radiomic features), bao gồm:
- Đặc trưng cường độ (intensity)
- Đặc trưng kết cấu (texture)
- Đặc trưng hình dạng (shape)
- Đặc trưng từ các phép biến đổi như wavelet
Xây dựng mô hình AI hoặc học máy để dự đoán hoặc phân loại dựa trên các đặc trưng đó.

Ứng dụng

Ultrasound radiomics đang nghiên cứu và ứng dụng trong nhiều lĩnh vực như:

Phân biệt khối u lành tính và ác tính.
Dự đoán đáp ứng điều trị.
Đánh giá nguy cơ tái phát ung thư.
Hỗ trợ chẩn đoán bệnh gan, tuyến giáp, vú, tuyến tiền liệt, buồng trứng và nhiều bệnh lý khác.

Ví dụ:

Ở bệnh nhân có nhân tuyến giáp, radiomics từ ảnh siêu âm có thể hỗ trợ dự đoán khả năng ác tính bên cạnh hệ thống phân loại TI-RADS.
Trong ung thư vú, radiomics có thể giúp dự đoán tình trạng hạch nách hoặc kiểu phân tử của khối u.

Ưu điểm

Không xâm lấn.
Tận dụng ảnh siêu âm vốn sẵn có.
Có thể phát hiện các mẫu hình tinh vi mà bác sĩ khó nhận biết bằng quan sát trực tiếp.
Hỗ trợ y học cá thể hóa.

Hạn chế

Kết quả phụ thuộc nhiều vào chất lượng ảnh và kỹ thuật siêu âm.
Khó chuẩn hóa giữa các máy siêu âm và người thực hiện.
Cần dữ liệu lớn và được kiểm định nhiều trung tâm trước khi áp dụng rộng rãi trong lâm sàng.

Quy trình US Radiomics trong chẩn đoán và tiên lượng:

1/ Thu thập hình ảnh (Image Acquisition) và Chuẩn hóa dữ liệu siêu âm bao gồm yêu cầu về thiết bị và giao thức scan [scanning protocol] để đảm bảo tính đồng nhất dữ liệu.

2/ Phân tích phương pháp Phân đoạn hình ảnh (Segmentation) siêu âm, nhất là cách xác định ROI thủ công so sánh với tự động.

3/ Tìm hiểu chi tiết về Trích xuất đặc trưng (Feature Extraction) từ hình siêu âm, bao gồm các đặc trưng cường độ, hình dạng và độ mịn (texture features).

4/ Xem xét tiến trình Xử lý đặc trưng (Feature Processing) bao gồm các kỹ thuật Lựa chọn đặc trưng (Feature Selection) và các phương pháp Giảm chiều dữ liệu (dimensionality reduction) sử dụng trong radiomics.

5/ Nghiên cứu cách Xây dựng Mô hình dự đoán (Model Building) của radiomics tập trung vào thuật toán Học máy (Machine Learning) và mối liên hệ với dữ liệu lâm sàng.

6/ Đánh giá các ứng dụng lâm sàng phổ biến của US Radiomics như trong ung thư gan, giáp, vú và tiến trinh kiểm định (Validation) nhằm đảm bảo tính ổn định và tính khả thi.